[发明专利]一种基于人工蜂群算法和量子粒子群算法的优化计算方法

权利要求书

1.基于人工蜂群算法和量子粒子群算法的优化计算方法，所述人工蜂群算法下称ABC，所述量子粒子群算法下称QPSO，包括以下步骤：

步骤1：分析实际问题，编制待优化目标函数；

步骤2：输入群智能算法的运行参数，所述运行参数为种群数目、迭代次数、变量维数、变量取值范围、待优化目标函数；

步骤3：根据优化需求，可以选择下述算法中的一种或两种或三种或四种进行计算：

(a)选择ABC算法；

(b)选择QPSO算法；

(c)选择顺序为QPSO+ABC并以串联结构衔接的混合算法；

(d)选择顺序为ABC+QPSO并以串联结构衔接的混合算法；

步骤4：若计算只采用上述算法中的一种，直接输出计算结果，转向步骤5；若为得到更好的优化结果或进行不同算法间的优化性能比较，可以选择上述四种方法中的两种或三种或四种进行计算结果比较，转向步骤6；

步骤5：判断该单一算法的优化结果是否满足本次优化要求，转向步骤7；

步骤6：综合比较上述选择几种算法的计算结果，根据目标函数值的优劣筛选出最优结果，评价该最优结果是否满足此次优化计算的要求；

步骤7：若满足要求，运算结束；否则，修改算法的运行参数，增大种群数目和迭代次数，重新计算，输出运行参数调整后的计算结果和迭代曲线，获取最终优化结果。

2.根据权利要求1所述的优化计算方法，其特征在于：所述优化计算方法采用MATLAB语言编程。

3.根据权利要求1所述的优化计算方法，其特征在于：步骤1中所述待优化目标函数是指一类可以转化为求极值的函数。

4.根据权利要求1所述的优化计算方法，其特征在于：所述人工蜂群算法的计算步骤如下：

(1)根据各变量的自身取值范围按照种群数分别进行初始化，随后进行变量维数合并，形成蜂群初始种群x_ij，i＝1，...，SN，j＝1，...D，其中SN表示食物源的数量，D为变量的维数；

(2)计算种群的函数适应度值，并评价种群；

(3)采蜜蜂(x_ij)在食物源邻域内按公式(1)在其邻域附近产生新解v_ij：

v_ij＝x_ij+φ_ij(x_ij-x_kj)                        (1)

其中，x_k是除x_i之外随机选取的一个解，φ_ij是一个变化范围在区间[-a，a]的随机数，a通常取1，然后，应用贪婪选择算法决定v_i和x_i的好坏；

(4)依据公式(2)，根据适应度值(fit_i)计算解x_i的概率值p_i：

pi=fiti/(Σi=1SNfiti)---(2)]]>

其中，针对最小化问题，适应度值的计算按公式(3)计算：

fiti=1/(1+fi)iffi≥01+abs(fi)iffi<0---(3)]]>

其中，f_i为目标函数值；

(5)对于观察蜂，在其所选择的食物源的邻域内产生新解，采用贪婪选择算法比较v_i和x_i的优劣；

(6)确定抛弃的解x_i，采用公式(4)随机产生的一个新解取代它，将其作为侦察蜂：

x^/_ij＝xmin_j+rand(0，1)*(xmax_j-xmin_j)                (4)

其中，xmin_j参数j的取值范围下限，xmax_j为参数j的取值范围上限；

(7)记忆目前最好的解，如果满足结束标准要求，算法停止，输出计算结果；否则，转到步骤(2)继续迭代。

5.根据权利要求4所述的优化计算方法，其特征在于：所述人工蜂群算法的计算步骤3和步骤5中获得的新解，要对各个变量范围分别进行范围检查，使其不超出其自身变化的取值区间。